Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Se diseñó un modelo de aprendizaje profundo para prevenir los ciberataques en la imagenología médica

Por el equipo editorial de MedImaging en español
Actualizado el 26 Dec 2018
Print article
Imagen: Una investigación nueva presentada en la RSNA abordó la prevención de los ataques cibernéticos a las imágenes médicas (Fotografía cortesía de RSNA).
Imagen: Una investigación nueva presentada en la RSNA abordó la prevención de los ataques cibernéticos a las imágenes médicas (Fotografía cortesía de RSNA).
Los investigadores presentaron dos estudios nuevos en el reciente congreso anual de la Sociedad Radiológica de América del Norte (RSNA), que abordó el riesgo potencial de ciberataques en imagenología médica.

Los dispositivos de imagenología médica, como las máquinas de rayos X, de mamografía, de resonancia magnética y de tomografía computarizada, desempeñan un papel crucial en el diagnóstico y tratamiento. Dado que estos dispositivos suelen estar conectados a redes de hospitales, pueden ser potencialmente susceptibles a ataques cibernéticos sofisticados, incluidos ataques de ransomware que pueden deshabilitar las máquinas. Debido a su rol crítico en la sala de emergencias, los dispositivos de TC pueden enfrentar el mayor riesgo de ataque cibernético. Los investigadores y los expertos en ciberseguridad han comenzado a examinar formas de mitigar el riesgo de ataques cibernéticos en la imagenología médica antes de que se conviertan en un peligro real.

En el primer estudio presentado en la RSNA 2018, los investigadores de la Universidad Ben-Gurión del Negev identificaron áreas de vulnerabilidad y formas de aumentar la seguridad en los equipos de TC. Demostraron cómo un pirata informático podría pasar por alto los mecanismos de seguridad de una máquina de TC para manipular su comportamiento. Dado que la TC utiliza radiación ionizante, los cambios en la dosis podrían afectar negativamente la calidad de la imagen o, en casos extremos, incluso dañar al paciente. Los investigadores han desarrollado un sistema para la detección de anomalías utilizando varios métodos avanzados de aprendizaje automático y de aprendizaje profundo, con datos de entrenamiento que consisten en comandos reales grabados desde dispositivos reales. El modelo aprende a reconocer los comandos normales y a predecir si un comando nuevo que no se ve es legítimo o no. Si un atacante envía un comando malicioso al dispositivo, el sistema lo detectará y alertará al operador antes de que se ejecute el comando.

“En la fase actual de nuestra investigación, nos centramos en el desarrollo de soluciones para prevenir tales ataques con el fin de proteger los dispositivos médicos”, dijo Tom Mahler, Ph.D., candidato y profesor asistente en la Universidad Ben-Gurión del Negev. “Nuestra solución controla los comandos salientes del dispositivo antes de que se ejecuten y alertará y posiblemente se detendrá, si detecta anomalías”.

“En seguridad cibernética, es mejor tomar el modelo de protección 'cebolla' y construir la protección por capas”, agregó Mahler. “Los esfuerzos anteriores en esta área se han centrado en asegurar la red del hospital. Nuestra solución está orientada a los dispositivos, y nuestro objetivo es ser la última línea de defensa para los dispositivos de imagenología médica”.

En el segundo estudio presentado en la RSNA de este año, un equipo de investigadores suizos examinó la posibilidad de alterar los resultados de las mamografías. Los investigadores entrenaron una red adversarial generativa de ciclo consistente (CycleGAN), un tipo de aplicación de inteligencia artificial, en 680 imágenes mamográficas de 334 pacientes, para convertir imágenes que muestran cáncer en sanas y hacer lo mismo, a la inversa, para las imágenes de control normales. Su objetivo era determinar si un CycleGAN podía insertar o eliminar características específicas del cáncer en las mamografías de una manera realista. Las imágenes se presentaron a tres radiólogos, quienes las revisaron e indicaron si pensaban que las imágenes eran genuinas o modificadas. Ninguno de los radiólogos pudo diferenciar de manera confiable entre las dos.

“Como médicos, es nuestro deber moral proteger primero a nuestros pacientes de cualquier daño”, dijo Anton S. Becker, M.D, residente de radiología en el Hospital Universitario de Zúrich y ETH Zúrich, en Suiza. “Por ejemplo, como radiólogos estamos acostumbrados a proteger a los pacientes de la radiación innecesaria. Cuando las redes neuronales u otros algoritmos inevitablemente encuentran su camino en nuestra rutina clínica, necesitaremos aprender cómo proteger a nuestros pacientes de cualquier efecto secundario no deseado de estos también”.



Enlace relacionado:
Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
MRI System
uMR 588
New
Miembro Plata
Mobile X-Ray Barrier
Lead Acrylic Mobile X-Ray Barriers
New
X-Ray Detector
FDR-D-EVO III

Print article

Canales

Radiografía

ver canal
Imagen: El software de reconocimiento de forma DL Precise mejora la precisión y la eficiencia en las imágenes médicas (Fotografía cortesía de DeepLook Medical)

Nueva tecnología de IA podría revolucionar detección del cáncer en senos densos

Casi la mitad de las mujeres de 40 años o más poseen un tejido mamario denso, lo que aumenta su susceptibilidad al cáncer de mama. El desafío de detectar el cáncer en... Más

RM

ver canal
Imagen: Se ha encontrado que 0.55T son suficiente para obtener una imagen de calidad diagnóstica de una resonancia magnética (Fotografía cortesía de 123RF)

Imágenes de resonancia magnética de 0,55 T de campo bajo ofrecen utilidad diagnóstica similar a la de 1,5 T para exploraciones abdominales

La resonancia magnética (RM) es una herramienta vital en el diagnóstico médico, pero el alto costo de los sistemas clínicos de cuerpo entero es una barrera importante.... Más

Ultrasonido

ver canal
Imagen: El ultrasonido intravascular proporciona una imagen más precisa y específica de las arterias coronarias (Fotografía cortesía de 123RF)

Imágenes intravasculares mejoran significativamente resultados en procedimientos de colocación de stent cardiovascular

Las personas con enfermedad de las arterias coronarias, que implica la acumulación de placa en las arterias que provoca síntomas como dolor en el pecho, dificultad para respirar y ataques... Más

Medicina Nuclear

ver canal
Imagen: La técnica de imágenes PET puede detectar de manera no invasiva la inflamación activa antes de que surjan síntomas clínicos (Fotografía cortesía de 123RF)

Nuevo trazador PET detecta artritis inflamatoria antes de que aparezcan síntomas

La artritis reumatoide, la forma más común de artritis inflamatoria, afecta a 18 millones de personas en todo el mundo. Es una enfermedad autoinmune compleja caracterizada por inflamación... Más

Imaginología General

ver canal
Imagen: La TC de tórax de rutina tiene potencial sin explotar para revelar a los pacientes en riesgo de enfermedad cardiovascular (Fotografía cortesía de Johns Hopkins)

Exámenes de TC tórax de rutina pueden identificar pacientes con riesgo de enfermedad cardiovascular

La enfermedad de las arterias coronarias (EAC) es la principal causa de muerte en el mundo. Los adultos sin síntomas pero en riesgo pueden ser detectados mediante tomografías computarizadas... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.